iPhos PseEvo公司

iPhos-PseEvo:通过灰色系统理论将进化信息整合到通用PseAAC中来识别人类磷酸化蛋白质。蛋白质磷酸化通过改变蛋白质的结构构象,使其活化/失活或功能修饰,在人体中起着至关重要的作用。给定一个没有特征的蛋白质序列,我们能预测它是否被磷酸化了吗?这对基础研究和药物开发无疑是一个非常有意义的问题。不幸的是,据我们所知,到目前为止,还没有开发出任何高通量的生物信息学工具来解决这样一个非常基本但很重要的问题,因为它非常复杂,而且缺乏足够的训练数据。本文提出了一种预测因子iPhos-PseEvo,方法是:(1)利用灰色系统理论将蛋白质序列进化信息纳入广义伪氨基酸组成(PseAAC);(2)利用非对称自举法平衡训练数据集;(3)通过融合一组通过一个随机的森林分类系统。严格的刀切试验表明,即使是这样一个难题,iPhos PseEvo也取得了非常有希望的成功率。在http://www.jci-bioinfo.cn/iPhos-PseEvo上建立了一个用户友好的iPhos-PseEvo网络服务器,用户无需通过复杂的数学方程就可以轻松获得所需的结果。我们注意到,这里提出的公式和方法也可用于分析蛋白质科学中的许多其他问题


zbMATH参考文献(17篇文章引用)

显示第1到17个结果,共17个。
按年份排序(引用)

  1. 白晓璐;陈晓林:针对脓毒症革兰阳性临床菌株的Bac2A抗菌肽的合理设计、构象分析和膜渗透动力学研究(2019)
  2. Hussain,Waqar;Khan,Yaser Daanial;Rasool,Nouman;Khan,Sher Afzal;Chou,Kuo Chen:Sprenlc PseAAC:通过Chou的5步规则和通用PseAAC开发的序列模型,用于识别蛋白质中的s-prenylization位点(2019年)
  3. 贾建华;李晓燕;邱,王仁;肖,宣;周,郭晨:iPPI PseAAC(CGR):通过将混沌博弈表示纳入PseAAC(2019年),识别蛋白质相互作用
  4. Khan,Yaser Daanial;Jamil,Mehreen;Hussain,Waqar;Rasool,Nouman;Khan,Sher Afzal;Chou,Kuo Chen:PSBOND PseAAC:通过PseAAC和统计矩积分预测二硫键合位点(2019年)
  5. 动物毒素的各种成分分析;王冬青、苏冬青、王冬青等的还原氨基酸组分分析;王冬青、张冬青等的还原氨基酸组分分析
  6. Tahir,Muhammad;Tayara,Hilal;Chong,Kil-To:iRNA-PseKNC(2methyl):通过卷积神经网络和Chou的伪成分识别RNA 2'-O-甲基化位点(2019年)
  7. Wang,Lidong;Zhang,Ruijun;Mu,Yashuang:Fu-SulfPred:通过Chou'S general PseAAC确定蛋白质S-硫基化位点(2019年)
  8. 赵晓伟;张晓伟;张,叶;宁,乔;张宏瑞;纪金超;尹明浩:用粒子群优化的极值梯度提升系统识别N(^6)-甲基腺苷位点(2019)
  9. Chiu,Jimmy Ka Ho;Dillon,Tharam S.;Chen,Yi Ping Phoebe:RNA家族中的大规模频繁茎模式挖掘(2018)
  10. Ju,Zhe;Wang,Shi Yun:基于mRMR特征选择和模糊支持向量机算法的S-磺基化位点预测(2018)
  11. 梁云云;张胜利:通过Kullback-Leibler Difference将不同模式的PSSM整合到周氏通用PseAAC中,识别革兰氏阴性细菌分泌的蛋白质类型(2018)
  12. 梅,娟;付,易;赵,季:用特征选择和周的一般伪氨基酸组成分析和预测离子通道抑制剂(2018)
  13. 张胜利;段欣:蛋白质亚细胞定位的过采样预测和周氏通用PseAAC(2018)
  14. Goede,Simon L.;de Galan,Bastiaan E.;Leow,Melvin Khee-Shing:基于信号分析的个性化葡萄糖胰岛素模型(2017)
  15. 翟静宣;曹,田杰;安,纪勇;边,陶勇:通过将平均块和PSSM信息整合到通用PseAAC中,对蛋白质自身相互作用的高精度预测(2017)
  16. Muthu Krishnan,S.:通过混合方法将进化信息整合到通用PseAAC中,对脊椎动物血红蛋白蛋白质进行分类(2016年)
  17. Yang,Lei;Wang,Shiyuan;Zhou,Meng;Chen,Xiaowen;Zuo,Yongchun;Lv,Yingli:BioPlex网络拓扑特性的表征(2016)